2.1 研究背景及意义
6月19日，工信部的数据显示，1-5月，我国电信业务总量完成8862亿元，同比增长50.4%；电信业务收入完成5349亿元，同比增长5.8%。
在电信业务收入方面，1-5月，三家基础电信企业实现移动通信业务收入3079亿元，同比增长4.9%，占电信业务收入的72.5%。实现固定通信业务收入1470亿元，同比增长8%，在电信业务收入中占27.5%，较去年同期提高0.6个百分点。话音业务收入在电信业务收入中占比19.6%，比上年同期回落7.4个百分点。
从细分业务来看，1-5月份，三家基础电信企业固定数据及固定互联网业务收入实现817亿元，同比增长9.4%，占电信业务收入的15.3%。移动数据及移动互联网业务收入实现2268亿元，同比增长30.8%，占电信业务收入的42.4%，拉动电信业务收入增长10.6个百分点。
用户的需求永远是更合理的价格和更好的产品。运营商推出的组合产品也层出不穷，因此，客户会需要更加满足其个性化需要的产品，并且价格合适。现实情况是，国内电信行业表面处于寡头垄断，但实际上竞争也很激烈，再加上受到互联网行业以及虚拟运营商的冲击，三家运营商都面临客户转网流失的压力。所有运营商公司都在思考如何通过积极的工作，比如充满创意的广告，创新的产品或服务，有效的营销计划，强有力的促销等来获取新的客户。
在如今电信市场日益饱和，竞争日益激烈的大环境下，各个运营商越来越关注另一个问题：我们在得到一些新的用户的同时，又会损失多少老客户呢？只有在客户已经流失后，公司才会知道答案，而不是在将要流失的时候。在这种情况下，公司会试图去预测一个客户何时会流失，他们通常的做法是分析一些客户数据：客户使用行为、客户自身的相关信息、消费额度。当客户开始投诉、甚至到营业厅要求解除合约的时候，任何挽留客户的方法都属于反应性方法，虽然这些方法非常重要，也发挥了较好的作用，但属于亡羊补牢，企业有时不得不付出额外的人力、财力、物力等成本。
自从 年国内通信市场洗牌后，形成三足鼎立的局面，国内通信市场竞争进一步加强。另外，随着市场的更加开放，以及人们对转网的要求日益强烈，用户流失问题在如今越来越被运营商所重视。每月的用户流失哪怕 2%，公司也会遭受巨大的利润损失。
随着电信企业的发展，企业之间的竞争不断加剧，电信运营商也在不断地推出新的业务与套餐，以此占领市场竞争高地。但是，与此同时，也大大增加了客户的不稳定性，而数据挖掘技术的应用，有效地降低了客户流失。
客户流失预警模型的构建就是在基于数据挖掘技术的基础上，对电信运营状态以及客户状态的一种分析与判断系统，从本质上讲，就是对数据特征的一种挖掘，同时，也是一种分类问题。客户信息主要分为两大类：一类是有离网倾向的客户；另一类是无离网倾向的客户。以数据挖掘技术为基础，对已经离网的客户信息进行特征分析，进行总结归纳，并作为参照，若企业产生新的客户信息时，以此来识别其是否存在离网倾向，确定其是否在企业对客户维护开销范围内，若是低于此开销值，则说明其不具有任何产生价值，相关信息也就应该删除。
最好的应对措施就是，预测哪些客户将会流失，提前对这些客户做针对性挽留措施。因此这里便需要数据挖掘模型帮助我们实施。数据挖掘技术是通过分析大量的信息来预测或发现某些行为、数据模式、数据分类和数据关系。
2.2 数据建模思路
电信客户中的易流失客户一般对促销比较敏感，分析这部分客户的特征，从而对于不同的电信客户采取不同的营销方式，通过反馈数据、完善客户服务、提高产品服务质量，最终达到挽留客户的目的。
根据以往促销活动的历史数据，字段包括用户ID，产品类别，成本，促销费用，促销前的消费额，促销后的消费额等，由于变量较多且其关系比较复杂，可能是非线性的关系，因此建立神经网络预测模型预测促销效果。
以促销前后的销售变化比率为输出变量（因变量），影响其变化的因素（产品类别、成本、促销费、促销前销售额等）为输入变量（自变量），采用神经网络算法，建模过程的流程图如图2-1所示：
图2-1 建模过程流程图
